Wavelet based tumor detection and its application on mammograms

Abstract

Göğüs kanseri vakalarının kadınlarda görülme sıklığı son yıllarda önemli bir artışgöstermektedir ve tüm dünyada önemli bir sağlık problemi olmaya devametmektedir. Göğüs kanserinin sebepleri hala bilinmemektedir, bu yüzden kanserinerken teşhisi, tedavi ve ölüm oranının azaltılması için çok önemlidir. Mamografi,göğüs kanserinin erken teşhisinde en güvenilir ve yaygın metot olarak kabulgörmektedir. Bununla birlikte, iyi yetişmiş radyolojist bulmak her zaman mümkünolamayabilir ve radyolojistlerin mamogramları kusursuz ve hızlı bir şekildedeğerlendirmeleri oldukça zor olabilmektedir. Mamogramlarda ki tümör tespitinderadyolojistlerin tahmin hassasiyeti yalnızca %75 oranındadır. Göğüs kanserindebilgisayar destekli sistemler, anormalliklerin erken ve hızlı tespiti ve tanısı,radyolojistler için bir gerekliliktir. Radyolojistlere ikinci bir fikir vererek yardımcıolmak için anormalliklerin belirlenmasinde çeşitli teknikler kullanılabilir.Bu tezde, dijital mamogramlar matematiksel morfoloji ve kaldıraç düzenli dalgacıkdönüşümü kullanılarak analiz edilmiştir. Tümör belirleme algoritmaları ön işleme,iyileştirme ve bölütleme aşamalarından oluşur. Bu tezin orijinalliği yada katkısıiyileştirme aşamasında kaldıraç düzenli dalgacık dönüşümünün kullanılmasıdır.Böylece, değiştirilmiş tümör belirleme algoritması, Kaldıraç Tabanlı İyileştirmeAlgoritması (KTİA) olarak adlandırılmıştır. Dijital mamogramlarda gürültü2arındırma işleminden önce matematiksel morfoloji kontrast iyileştirme işlemi içinuygulanmıştır. Dalgacık dönüşümünün kaldıraç düzeni, gürültü arındırmaaşamasında kullanılmıştır. Kaldıraç düzenli dalgacık dönüşümünün alışılmış kesiklidalgacık dönüşümüne (DWT) göre çok önemli iki avantajı vardır. Birincisi,kolaylıkla işaretin mükemmel bir şekilde yeniden oluşumuna olanak sağlaması,ikincisi ise gerçek zamanlı işlemleri hızlandırması, böylece fazladan bellekkullanımına gerek kalmamasıdır.Uyarlanmış tümör belirleme algoritmasının (KTİA) uygulamaları MamographicImage Analysis Society (MIAS) veri bankasından alınan yaklaşık 100 dijitalmamogram üzerinde yapılmıştır. Kaldıraç tabanlı iyileştirme algoritması, iyileştirmeaşamasında iyi resim kalitesi sağlamıştır; ek olarak problemli bölgelerin hızlı vekolay belirlenmesine olanak sağlamıştır. Bölütleme aşamasında ise problemlibölgeler açıkça tanımlanmıştır. Bazı ilginç uygulamalar görsel olarak verilmiş vesonuçları tartışılmıştır. Sonuç olarak yeni algoritma, daha iyi ölçülebilir tepe işaretgürültü oranı (PSNR) ve kontrast geliştirme indisi (CII) değerleri, ayrıca görselolarak da tümör belirlenmiş alanlar için daha iyi sonuçlar vermektedir. Aynızamanda Gaziantep Üniversitesi, Tıp Fakültesi, Radyoloji anabilim dalı başkanındangörsel sonuçlar hakkında görüş alınmıştır. Bu görüş doğrultusunda kütlelerinkenarlarının belirlenmesinde ve dijital mamogramların değerlendirilmesinde adıgecen algoritmanın yardımcı olabileceği belirtilmiştir.Anahtar Kelimeler: Tümör belirleme, kaldıraç düzenli algoritma, dalgacıkdönüşümü, matematiksel morfoloji.

The high incidence of breast cancer in women has increased significantly in recentyears and it persists to be a significant health problem in the world. The reasons ofbreast cancer is still unknown so early detection of cancer is very important formedical treatment and decreasing the cases of death. Mammography is consideredthe most reliable and common method in early detection of breast cancer. However,it is difficult for the radiologists to provide accurate and fast evaluation ofmammograms. The estimated sensitivity of radiologists in detecting tumors frommammograms is only about 75%. Breast cancer Computer Aided Diagnosis systemscan be vital for radiologists for detection and diagnosing abnormalities earlier andfaster. Several techniques can be used to accomplish the task of detectionabnormalities to help radiologists having a second opinion.In this thesis, digital mammograms are analyzed using mathematical morphologyand lifting scheme of wavelet transform. Tumor detection algorithms followpreprocessing, enhancement and segmentation steps. The novelty or contribution ofthe thesis is usage of Lifting Scheme of wavelet transform in enhancement step.Thus, the modified tumor detection algorithm is called Lifting Scheme BasedEnhancement Algorithm (LSBEA). Mathematical morphology used for contrastenhancement of digital mammograms before denoising. The lifting scheme ofwavelet transform is used in denoising step. The lifting scheme has two extremelyuseful advantages over regular Discrete Wavelet Transform (DWT). Firstly, it2enables easy perfect reconstruction and secondly speeds up real time calculations,thus does not need extra memory allocation.The evaluation of the modified detection algorithm LSBEA is carried out onapproximately 100 digital mamaograms from Mammographic Image AnalysisSociety (MIAS) dataset. The lifting scheme based enhancement algorithm hasprovided superior image quality in enhancement step, and furthermore, fast and easyway to the detection of problematic areas. In the segmentation phase, theproblematic areas defined clearly. Some of interesting applications are givenillustratively and their results are discussed. It is concluded that the new algorithmLSBEA gives higher Peak Signal to Noise Ratio (PSNR) and Contrast ImprovementIndex (CII), values, quantitatively and better results visually for the tumor detectedareas. Also, these results are discussed with the head of major discipline ofradiology, Medicine Faculty, University of Gaziantep. His opinion is that it could behelpful to find the edges of masses for the evaluation of the digital mammograms.Keywords: Tumor detection, lifting scheme, wavelet transform, mathematicalmorphology